跳到主要内容

通俗易懂讲论文

30 篇论文深度解读,从深度学习的奠基经典到 LLM 时代的最新 Agent / Inference 论文。每篇都用工程师视角拆解,不靠数学堆砌,也不只调 API。配套 3 遍阅读法 + 必出 1 个输出的方法论。

通俗易懂讲论文 · Paper Reading

系列定位:把每篇论文讲成「我能跟别人讲清楚」的工程笔记——核心 idea、为什么成立、踩过什么坑、对今天的工程意味着什么。 风格:比喻 + 中文工程语境 + 结构化对照表 + 工程师笔记,避免学术综述的抽象,也不只调用 API。


📘 这套方法论怎么读?

每篇论文按 3 遍阅读法 写:

  1. 第一遍(15 分钟):鸟瞰图——一句话故事 + 解决的问题 + 关键 idea。
  2. 第二遍(1 小时):拆主干——核心算法、关键公式、关键架构图,看一遍伪代码。
  3. 第三遍(半天):复现脑——作者为什么这么选?这个 idea 还能用在哪些场景?

必出 1 个输出:每篇都要写出至少一个「我接下来能用它做什么」的具体落地点——不是「很厉害」,而是「我可以在 XX 项目里这样用它」。

→ 先看 论文阅读最佳实践 拿完整方法论。


🎯 适合谁读

  • AI / 后端工程师:想搞清楚 Transformer/AlphaFold/GAN 这些「每天用但没读过原论文」的底层。
  • LLM 平台 / AI Infra 工程师:想跟上一周一篇的 LLM/Agent 论文,不被术语淹没。
  • 技术 Lead / 架构师:想从论文里抓出对工程选型真正有用的 idea,不被营销稿牵着走。

📚 三大分类(以下 30 篇按子系列分卷)

系列主题风格篇数
📘 方法论3 遍阅读法 + 必出 1 个输出元笔记1 篇
📚 经典论文详细版奠基整个 AI / 分布式时代的经典论文工程拆解8 篇
🚀 近期 LLM/Agent 论文2024-2026 间的 LLM / Agent / Inference 论文第一性原理21 篇

下面用折叠块分组,默认展开「方法论」,其余两组按需点开。

方法论

1 篇,必读

经典论文详细版

8 篇,奠基作品

Transformer 详解:注意力就是一切

经典

用图书馆管理员+电影导演的类比讲清 Google 2017 年 Transformer:Query/Key/Value、多头注意力、位置编码、Encoder-Decoder 架构;BLEU 翻译分数突破及成为 ChatGPT 祖先的进化路线。

AlphaFold 详解:破解生命密码

经典

DeepMind AlphaFold 2 如何用 Evoformer + 距离预测 + 物理引擎破解 50 年蛋白质折叠难题;CASP14 突破 90 分;2024 年获诺贝尔化学奖;新药研发、合成生物学应用。

GAN 详解:造假与打假的军备竞赛

经典

Goodfellow 2014 年 GAN 的极小极大博弈:Generator vs Discriminator 互相进化,解决生成任务无标准答案的难题;含 BigGAN/StyleGAN 等后续发展与训练不稳定的阿喀琉斯之踵。

DQN 详解:让机器自己学会通关

经典

DeepMind 2015 年 DQN(发表于 Nature):深度 Q 网络 + 经验回放 + 目标网络三招合一,让 AI 仅凭像素和分数自学 57 款 Atari 游戏,43% 超过人类中位数;深度学习与强化学习合流的起点。

AlexNet 详解:深度学习的复兴

经典

2012 ILSVRC 冠军 AlexNet:ReLU + GPU 训练 + Dropout + 数据增强 + LRN + 重叠池化六招合一,Top-5 错误率从 26.2% 降到 15.3%,开启深度学习黄金十年;与 LeNet 的传承关系与历史评价。

Paxos 协议

经典

Paxos 实践精读:从理论到工业实现的距离,谈 Multi-Paxos / Raft 的工程权衡与 Google / Amazon 的实践案例。

Raft 共识算法详解与 JavaScript 实现

经典

结合 Raft 论文和 JavaScript 实现,详细介绍 Raft 算法的核心概念和工作原理。

PacificA:微软设计的分布式存储框架分析

经典

PacificA是微软为大规模分布式存储系统开发的一个通用复制框架,也可称之为一个原型系统。该框架简单,实用,提供强一致性,并且可以适配不同的复制策略。它对于我们理解分布式系统的强一致性,容错,仲裁有很好的指导意义。

近期 LLM/Agent 论文

21 篇,第一性原理

写给所有人的 AI 故事:8 篇改变世界的论文

不懂代码、不懂数学也能读懂的 8 段 AI 故事:从 1998 年 LeNet 到 2020 年 AlphaFold,8 篇关键论文如何让机器学会看图、思考、说话、玩游戏、预测蛋白质结构,改变了过去三十年。

Agensh 详解:1024 个智能体,没有中央调度

微软研究院无中央编排器的多智能体自组织框架:1024 个 worker 共享同一协作循环(收集上下文/认领子任务/行动/验证/合并),自发形成分工合作;ProgramBench 通过率从 19.31% 提升到 28.78%,pandoc 从 33.89% 提升到 55.06%。

AutoCompact 详解:让编码智能体自己决定何时压缩上下文

AutoCompact 训练编码智能体通过裁判审查 + SFT + RL 两阶段自主决定何时压缩上下文、保留什么工作状态、如何无缝衔接继续执行;SWE-bench Verified 提升 +9.2%,SWE-PolyBench +5.0%。

AutoGym 详解:从零生成完整的 RL 训练场

DAIR AI 蓝图先行 gym 自动生成框架:从领域种子出发,先定义有效解空间/环境要求/验证标准再生成环境,确保可解性内建;主动课程机制随模型能力自动调整难度;摆脱手工设计 + LLM 裁判不可靠的两大痛点。

CASD 详解:让智能体从日志自己总结规则

微软 CASD(Coding-Agent Skill Distillation):给编码智能体 + 整个语料库日志,让它自己写 Python 代码分析失败模式,一遍过蒸馏成行为规则;比 GEPA 提升 5.7 个百分点,成本便宜 22 倍($1.60 vs $35)。

CLM 详解:让模型自己编辑上下文

华盛顿大学+Meta+MIT 联合 2026 年 CLM(Context Language Models):把上下文当文件,让模型用代码编辑管理;Suffix Cache Reuse 节省 35% 计算;BrowseComp-Plus 准确率 +11.4%,小模型受益尤其明显。

Critical-State RL 详解:多轮工具调用,只训练那一次关键调用

Salesforce AI Research 用嵌套采样在多轮工具调用中找到真正的「关键调用」,只对那一轮做强化学习更新,BFCL v4 提升约 14 个百分点;训练所有轮次反而帮倒忙,因为大部分奖励变化是延续噪声。

EvoOntology 详解:给数据 Agent 配一个会进化的语义字典

中国人民大学 EvoOntology:Schema/Content/Tool 三层语义本体 + MCP 协议 + Builder Agent 自动构建 + 配对评估自我演化,让 Agent 运行时动态查询业务语义;给 Claude Code / Codex 一键接入。

GAVEL 详解:给 LLM 配一张会预测后果的图

GAVEL 给 LLM 配备图世界模型:独立于 LLM 的因果地图负责预演/检测/修复;成功把机器人规划成功率从 41% 提到 92%,同时推理成本更低;解决 LLM 物理约束违反/无法恢复/物体跟丢三大噩梦。

Harness-Zero 详解:把 harness 的能力蒸馏进模型权重

Google Harness-Zero:用 Agent-as-Harness 生成纠错示范,微调学生模型把专用 harness 的能力内化到权重里;训练后去掉 harness(44.3%)反而比挂着 harness(41.7%)更好,行为恢复率 82.3%。

HySparse2 详解:让长上下文 Agent 的 Prefill 便宜 5 倍

小米 MiMo 团队 HySparse2:两层 KV 共享(KV Bridging + KV Reuse),内层 token 级稀疏 + 外层跨解码器复用,80B-A3B MoE 上 Prefill FLOPs 降低 5 倍、KV Cache 从 12GB 压缩到 2.69GB,MRCR-v2 提升 11.30 分。

JAZ 详解:一个原语撑起记忆和自我改进

MIT 2026 年 JAZ 极简智能体框架:整个框架只有一个 invoke 原语,所有能力(记忆/反思/工具)由大模型运行时自己涌现;比 MemGPT 召回率高 8%,成本降低 50%;从预设主义到涌现主义的框架哲学转变。

JEV 详解:便宜 277 倍的裁判

TypeSafe AI JEV(决策专用模型)+ 级联升级:简单题用 JEV 直接判(每千次 $0.044 vs GPT-6 $12.18,差 277 倍,快 12 倍),难题目升级给 GPT-6;级联方案保留 99% 准确率,只花 57% 费用。

Jev-Mem 详解:把记忆决策从大模型手里拿走

Jev-Mem 用 System-One 轻量控制器专职管记忆,System-Two 大模型只在复杂推理时介入;LoCoMo 基准 LLM-as-Judge 得分 0.777(比最强基线高 11%),记忆构建速度 6.6 倍,延迟降低 36.7%。

ScientistTwo 详解:24 个 AI Agent 自主完成科研全流程

Google + 滑铁卢大学 ScientistTwo:24 个专业化 Agent 组成流水线,自主完成读论文/找问题/做实验/写论文/同行评审全流程;107 个研究问题上 80.4% 成功率,平均相对 SOTA 提升 25.2%,通过 Stanford Agentic Reviewer 评审。

Self-Organizing Agent Teams 详解:让 AI 团队自己改写协作策略

斯坦福/Emory/TogetherAI 论文:AI 团队用 15 道 AIME 题目自己学会改写角色/讨论阶段/信息流动,协作通过三步流程(回顾/改写/冻结);AIME 准确率 66.7%,比最强单成员(48.8%)高 18 分,比完美路由器高 7.7 分。

SIFT 详解:让 LLM 当裁判,跑树搜索做自我改进

SakanaAI / MIT SIFT:用 LLM 担任两两比较的裁判 + Bradley-Terry 模型算实力分 + 解耦树搜索,Polyglot 从 30.7% 提升到 35.1%,成本只有 DGM 的 1/10;关键洞察:裁判质量决定系统方向。

SkillGym 详解:把人类技能变成可验证的训练环境

SkillGym 把人类技能指南转成 2756 个带代码验证的训练环境(覆盖 12 个类别),让 AI 真正把技能内化到模型权重里;Qwen3.5-35B-A3B 在 Terminal-Bench 2.1 上从 2.1% 提升到 21.2%,不加载技能上下文也跑赢带技能的基座模型。

Taste-Bench 详解:AI 的品味到底有多差

微软等机构 Taste-Bench:首次系统测量 AI 智能体在长周期任务分叉点上的方向选择能力;自动挖掘 12000+ 分叉选择题,最强模型准确率不到 60%(人类基线 90%);增加推理预算几乎无效,只能通过蒸馏教师判断来训练。

WFM 详解:Wiki 记忆的专用检索模型

腾讯优图 + Monash WFM(Wiki Foundation Model):把 Wiki 当作一张统一图,文本+链接不拆分,消息传递+注意力聚合,专为互相链接的 Markdown 文件夹训练;分布式训练 NCCL GPU 直连快 10.5 倍。

XYEval 详解:Agent 有多容易跟着错的建议走

Google DeepMind XYEval:故意给 Agent 一条自信但错误的建议,各大顶级模型成绩暴跌最高 46.7%(Terminal-Bench 上 Gemini 3.1 Pro 从 67.4% 跌到 36.0%);Agent 内心知道建议不靠谱,执行时却照做。

赞赏

如果这篇文章帮到了你,欢迎请我喝杯咖啡。

  • 微信赞赏二维码,用微信扫一扫

    微信支付

  • 支付宝赞赏二维码,用支付宝扫一扫

    支付宝

金额随意,感谢支持